Pytorch上下采样函数--interpolate()
torch.nn.functional.interpolate实现插值和上采样
上采样：可以使你训练的图片分辨率变成你想要的更大的分辨率
将输入图片input image进行rescale到一个想要的尺寸，而且计算每个点的像素点，使用如双线性插值bilinear等插值方法对其余点进行插值。
torch.nn.functional.interpolate(input, size=None, scale_factor=None, mode='nearest', align_corners=None)
参数：
input (Tensor)：输入张量
size (int or Tuple[int] or Tuple[int, int] or Tuple[int, int, int]) ：输出大小.
scale_factor (float or Tuple[float]) ：指定输出为输入的多少倍数。如果输入为tuple，其也要制定为tuple类型 ； 根据给定的size或scale_factor参数来对输入进行下/上采样
mode (str) ： 可使用的上采样算法，有’nearest’, ‘linear’, ‘bilinear’, ‘bicubic’ , ‘trilinear’和’area’. 默认使用’nearest； 使用的插值算法取决于参数mode的设置
align_corners (bool, optional) ：
几何上，我们认为输入和输出的像素是正方形，而不是点。如果设置为True，则输入和输出张量由其角像素的中心点对齐，从而保留角像素处的值。如果设置为False，则输入和输出张量由它们的角像素的角点对齐，插值使用边界外值的边值填充;当scale_factor保持不变时，使该操作独立于输入大小。仅当使用的算法为'linear', 'bilinear', 'bilinear'or 'trilinear'时可以使用。默认设置为False
注意：
使用mode='bicubic'时，可能会导致overshoot问题，即它可以为图像生成负值或大于255的值。如果你想在显示图像时减少overshoot问题，可以显式地调用result.clamp(min=0,max=255)。
示例一：
import torch.nn.functional as tnf
up2=tnf.interpolate(x, scale_factor=(2, 2), mode='nearest')解析：假设输入x.shape()为 torch.Size([1, 64, 40, 40])
scale_factor=（2,2）表示分辨率长宽都乘以2--------->>>[80,80]
使用的是nearest上采样的方法
最后经过上采样后：up2.shape()为torch.Size([1, 64, 80, 80])
示例二
import torch
from torch import nn
import torch.nn.functional as F
input = torch.arange(1, 5, dtype=torch.float32).view(1, 1, 2, 2)
print(input)返回：input.size() 为torch.size([1,1,2,2])
tensor([[[[1., 2.],
[3., 4.]]]])
x = F.interpolate(input, scale_factor=2, mode='nearest')
print(x)返回：
tensor([[[[1., 1., 2., 2.],
[1., 1., 2., 2.],
[3., 3., 4., 4.],
[3., 3., 4., 4.]]]])
示例三(size使张量变成你想要的分辨率)
import torch.nn.functional as tnf
print(P4in.size()) #torch.Size([1, 128, 38, 53])
print(P5in.size()) #torch.Size([1, 256, 19, 27])
P5in_P4m = tnf.interpolate(P5in, size=[P4in.size(2), P4in.size(3)], mode="nearest") # 上采样解析：
size=[38,53]: 代表将P5in的分辨率的张量[19,27 ]-------------->>>>>[38,53], 其余的维度不变
最后P5in_P4m.size() 为[1,256,38,53]
也提供了一些Upsample的方法：
torch.nn.functional.upsample(input, size=None, scale_factor=None, mode='nearest', align_corners=None)
torch.nn.functional.upsample_nearest(input, size=None, scale_factor=None)
torch.nn.functional.upsample_bilinear(input, size=None, scale_factor=None)参考博客：
Pytorch关于torch.nn.functional.interpolate的用法的示例展示_比比兽卡卡的博客-CSDN博客
pytorch torch.nn.functional实现插值和上采样 - 慢行厚积 - 博客园
双线性插值(Bilinear Interpolation) - 马语者 - 博客园
torch.nn.functional.interpolate ‘bilinear‘ 图像理解_符号看象限_Wangerer的博客-CSDN博客